蓝心千询
蓝心千询是vivo推出的一个多功能AI智能助手
34 查看详情
简介
在这篇文章中，我将向您展示如何使用 Pandas 通过 SQL 样式过滤来执行数据分析。大多数企业数据都存储在需要 SQL 来检索和操作的数据库中。例如，像 Oracle、IBM、Microsoft 这样的公司拥有自己的数据库和自己的 SQL 实现。
数据科学家必须在其职业生涯的某个阶段处理 SQL，因为数据并不总是存储在CSV 文件。我个人更喜欢使用 Oracle，因为我公司的大部分数据都存储在 Oracle 中。
场景 – 1 假设我们有一个任务，从我们的电影中查找所有电影具有以下条件的数据集。
电影的语言应该是英语（en）或西班牙语（es）。电影的受欢迎程度必须介于 500 到 1000 之间。电影的状态必须已发布。投票数必须大于 5000。对于上述场景，SQL 语句类似于如下。
SELECTFROM WHEREtitle AS movie_title,original_language AS movie_language,popularityAS movie_popularity,statusAS movie_status,vote_count AS movie_vote_count movies_dataoriginal_languageIN ('en', 'es')AND status=('Released')AND popularitybetween 500 AND 1000AND vote_count > 5000;
现在你已经看到了满足需求的SQL语句，让我们使用pandas一步一步地进行操作。我将向你展示两种方法。
方法1：布尔索引
1. 将movies_data数据集加载到DataFrame中。
import pandas as pd movies = pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv")
为每个条件分配一个变量。
languages = [ "en" , "es" ] condition_on_languages = movies . original_language . isin ( languages )condition_on_status = movies . status == "Released"condition_on_popularity = movies . popularity . between ( 500 , 1000 )condition_on_votecount = movies . vote_count > 5000
3.将所有条件（布尔数组）组合在一起。
final_conditions = ( condition_on_languages & condition_on_status & condition_on_popularity & condition_on_votecount )columns = [ "title" , "original_language" , "status" , "popularity" , "vote_count" ]# clubbing all together movies . loc [ final_conditions , columns ]
95星际
zh
已发布
724.247784
10867
788死侍
zh
已发布
514.569956
10995
方法2：- .query()方法。
.query()方法是SQL where子句样式过滤数据的方法。条件可以作为字符串传递给此方法，但是，列名称不得包含任何空格。
如果列名称中有空格，请使用 python 替换函数将其替换为下划线。
根据我的经验，我发现 query() 方法在应用于较大的 DataFrame 时比以前的方法更快。
import pandas as pd movies = pd . read_csv ( "https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv" )
4.构建查询字符串并执行该方法。
请注意，.query 方法不适用于跨越多行的三重引号字符串。
final_conditions = ("original_language in ['en','es']""and status == 'Released' ""and popularity > 500 ""and popularity 5000") final_result = movies . query ( final_conditions )final_result
95
165000000
157336
zh
星际
724.247784
2014年5月11日
675120017
169.0
关系
788
58000000
293660
zh
死侍
514.569956 p>
2016年9月2日
783112979
108.0
关系
还有更多，通常在我的编码中，我有多个值要检查我的“in”子句。所以上面的语法并不理想。可以使用 at 符号 (@) 引用 Python 变量。
您还可以以编程方式将值创建为 Python 列表，并将它们与 (@) 一起使用。
movie_languages = [ 'en' , 'es' ]final_conditions = ("original_language in @movie_languages ""and status == 'Released' ""and popularity > 500 ""and popularity 5000" )final_result = movies . query ( final_conditions )final_result
95
165000000
157336
zh
星际
724.247784
2014年5月11日
675120017
169.0
关系
788
58000000
293660
zh
死侍
514.569956 p>
2016年9月2日
783112979
108.0
关系
以上就是如何在 Pandas 的 SQL 查询样式中选择数据子集？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/324942.html
微信扫一扫 
支付宝扫一扫 
